一. 前言
在文旅产业数字化、沉浸式体验升级的行业浪潮下，AR 智能穿戴设备正逐步打破传统文旅讲解的边界，让文物古迹走出展牌文字，以鲜活、立体、随身化的方式与游客完成跨时空对话。传统景区、博物馆讲解模式长期存在诸多痛点：人工讲解覆盖范围有限、固定讲解词内容生硬刻板、电子导览文案晦涩冗长、无法适配游客个性化游览节奏、重复游览无增量知识补充，难以满足当代游客轻量化、沉浸式、专业化的深度游览需求。
基于 Rokid 乐奇 AR 眼镜终端，本次搭建的文博裸眼景识讲解官智能体，精准锚定 AR 设备的原生硬件能力与文博场景的讲解服务需求，围绕视觉识别、智能语音讲解、知识库调用、全流程交互规范完成全维度设计。该智能体以 AR 眼镜第一视角摄像识别为核心触发方式，打通景物自动识别、多维度专业讲解、轻量化内容输出、游览记忆留存、自定义知识库拓展的完整服务链路，为游客打造专属随身文博私导，实现裸眼所见、即见即讲、易懂专业、全程随行的全新游览体验，为 AR 技术赋能文旅文博领域、推动文化遗产数字化传播提供可落地的实践方案。
二. 智能体搭建流程
本次文博裸眼景识讲解官智能体，依托 Rokid 自主智能体创作平台完成全模块搭建，从核心定位、工作规则、功能模块配置、知识库体系、交互体验设计，到场景适配优化层层递进，严格遵循平台开发规范与文博场景服务需求，完成全流程定制化搭建。
首先登陆灵珠平台 https://rizon.rokid.com/ 参与智能体搭建
（一）核心人设与服务使命定位
智能体的底层人设精准绑定终端设备属性，明确专属身份：Rokid 乐奇 AR 眼镜专属的文博裸眼景识讲解官。在服务使命层面，明确核心价值 ------ 依托 AR 眼镜自带的第一视角摄像功能，精准识别画面内全部景物，涵盖古建筑、历史文物、雕塑艺术品、古迹遗址、博物馆馆藏藏品全类文博对象，用通俗口语化表达、专业化知识内核、轻量化呈现形式，为用户提供适配 AR 设备的沉浸式语音 + 文字双渠道讲解服务，打通现实景物与文化知识的数字连接桥梁。
清晰的人设定位为后续所有规则、模块、文案设计划定统一边界，让智能体全程保持专属文博导览的角色属性，避免回答偏离服务场景，同时让用户快速建立对智能体功能、服务范围的清晰认知。
在编排板块给智能体设置相应的使命规则，让其服务有清晰认知
（二）智能体全链路工作流搭建与分步实现
首先选择添加工作流
1. 初始输入节点搭建：底层数据入口配置
工作流以「开始」节点作为整个智能体运行的唯一起始入口，完成基础数据输入通道的底层搭建。在该节点完成基础输入变量定义，固定接入双数据源输入接口 ，分别为用户语音文本输入USER_INPUT、AR 眼镜实时画面图像输入USER_INPUT_IMAGE，同时打通两个输入源的数据流传输通道，为后续全链路节点提供底层数据支撑。该节点作为整个流程的数据流起点，承接用户所有唤醒指令与设备采集的画面素材，实现语音文本信息、实景图像信息同步接入智能体系统，奠定后续意图识别、景物解析的数据基础，同时完成整个工作流循环链路的闭环基础搭建。
2. 第一节点：语音唤醒意图校验模块搭建
在初始输入完成后，流程进入首个核心处理节点 ------语音唤醒意图校验 模块，这是智能体的第一道语义筛选关卡。本节点以用户传入的文本query作为输入数据，完成用户语音意图的精准识别分类，最终输出意图分类编号classificationId与意图解析标签reason两个核心变量。同时预设完善的分类选项边界，严格划分用户意图范围：第一类为有效意图，即用户想要讲解眼前的古建筑、文物、古迹等文博景物；第二类为其他无关意图，覆盖所有非文博讲解类的用户指令。该模块的搭建意义，是完成用户指令的前置过滤，精准区分有效讲解需求与无关指令，从源头规避无效流程触发，同时规范智能体的服务边界，保证后续流程仅响应合规的文博讲解需求，提升智能体运行精准度。
3. 第二节点：分支选择器逻辑搭建
在意图校验完成后，流程接入条件选择器（IF 选择器） 节点，实现工作流的分支分流控制，搭建智能体的条件判断逻辑。本节点以上一节点输出的reason意图变量作为判断依据，设置严格分支判定规则：当识别到用户意图为「讲解眼前文博景物」的有效需求时，流程进入正向执行分支，向后衔接后续全部识别、讲解流程；若判定为其他无关意图，则进入空白驳回分支，不触发后续图像识别链路。该分支节点搭建，实现了智能体指令响应的精准分流，让智能体仅在用户产生对应讲解需求时，才启动后续高算力的图像识别模块，既优化了设备算力资源消耗，又避免无效图像解析，完善了整个流程的逻辑严谨性。
4. 第三节点：画面景物主体视觉识别模块搭建
在有效意图分支通过后，流程进入智能体核心能力节点 ------画面景物主体识别 模块，这是本次 AR 文博智能体的核心功能核心。本节点调用平台视觉大模型doubao-seed-1-6-vision-250815，以上游开始节点传入的 AR 眼镜第一视角画面USER_INPUT_IMAGE作为唯一输入源，完成画面内实景主体的精准识别、景物定位、主体信息解析，最终输出识别完成的景物主体信息output。该模块深度绑定 Rokid AR 眼镜的摄像硬件能力，完美实现设计需求里 "裸眼视野自动识别" 的核心能力，无需用户手动框选、上传图片，眼镜实时采集的视野画面即可自动完成古建筑、文物、雕塑、遗址、馆藏藏品全部文博对象的主体识别，完成现实景物到数字信息的转化，为后续讲解内容生成提供精准的主体素材。
5. 第四节点：大模型讲解内容生成模块搭建
完成景物主体识别后，数据流接入最终内容生成节点 ------大模型综合生成模块 。本节点同样搭载视觉文本一体化大模型doubao-seed-1-6-vision-250815，以上一节点输出的景物主体识别结果作为输入信息，结合前期预设的全部底层工作规则、内置文博专属知识库、内容输出规范，完成完整讲解文案的生成。在内容生成环节，大模型严格遵循预设服务规范：固定输出基础简介、历史背景、朝代渊源、人文典故、艺术价值、游玩看点六大维度内容；文案表达口语通俗化，适配 AR 眼镜语音播报场景；内容排版精简分段，适配眼镜悬浮小屏展示；优先调用专属知识库权威资料，无内置资料时自动检索公开权威文史知识，同时联动游览记忆变量，实现重复游览的知识增量补充，兼顾内容专业性、通俗性与设备展示适配性。
6. 收尾闭环节点：流程结束与结果输出搭建
大模型完成内容生成后，流程进入最终「结束」节点，完成全链路工作流闭环。本节点统一承接上游大模型生成的全部讲解内容，以output作为最终返回变量，统一输出至 AR 眼镜终端，同步完成悬浮屏文字展示 + 实时语音朗读双渠道内容交付。同时搭建完整数据流回环，节点结束后数据链路回流至初始开始节点，实现全程循环运行，用户后续再次唤醒、再次识别新景物时，可重新触发整套完整工作流，实现持续化、多轮次的随身讲解服务。
（三）对话交互模块：专属开场白定制搭建
在完成全链路工作流、底层运行规则、知识库体系搭建后，针对用户首次唤醒智能体的初始交互环节，完成对话体验模块的专属开场白定制。结合 AR 眼镜轻量化交互、随身文博导览的使用场景，设计专属开场文案，在用户语音唤醒智能体的第一时间，清晰介绍自身专属身份、核心景物识别能力、全维度讲解服务范围、游览记忆特色功能，同时明确口语精简、适配设备语音播报的输出特点。开场白整体文案简洁亲和、信息完整，既快速建立用户对智能体功能的清晰认知，引导用户完成语音唤醒操作，又贴合全程私人导览的亲切交互定位，完善智能体全周期对话交互体验闭环。
完成后即可点击右上角提交智能体
三. 总结
本次基于 Rokid 乐奇 AR 眼镜搭建的文博裸眼景识讲解官智能体，完成了人设定位、规则制定、模块配置、知识库搭建与交互优化的全流程设计，精准解决传统文旅讲解痛点，深度融合 AR 硬件优势与文博文化传播需求。智能体整体体系严谨完善，内容输出兼顾专业性与通俗性，形成了从唤醒讲解、拓展答疑到复游知识更新的全周期闭环服务，能够以裸眼即识、所见即讲的模式，为游客提供专属随身文博导览，革新传统游览体验。本次搭建实践也为 AR 智能体赋能文旅领域积累了宝贵经验，未来可通过扩充知识库、优化讲解风格与多景物识别逻辑，进一步拓宽服务边界，以数字技术助力文化遗产传播，实现文旅体验升级与传统文化传承的双向赋能。